[论文解读] Inference on the Parameters of the Weibull Distribution Using Records

Ali Akbar Jafari, Hojatollah Zakerzadeh|Jan 9, 2015

Statistical Distribution Estimation and Applications参考文献 19被引用 6

一句话总结

本文提出了一种基于记录值的威布尔分布形状参数和尺度参数的精确与广义推断方法。该文引入了一种简单精确的假设检验与形状参数β的置信区间，当β未知时，采用广义p值和广义置信区间对尺度参数α进行推断，并通过模拟研究和一个实际例子表明，所提出的联合置信区域比现有方法更高效（面积更小）。

ABSTRACT

The Weibull distribution is a very applicable model for the lifetime data. In this paper, we have investigated inference on the parameters of Weibull distribution based on record values. We first propose a simple and exact test and a confidence interval for the shape parameter. Then, in addition to a generalized confidence interval, a generalized test variable is derived for the scale parameter when the shape parameter is unknown. The paper presents a simple and exact joint confidence region as well. %for the scale and shape parameters. In all cases, simulation studies show that the proposed approaches are more satisfactory and reliable than previous methods. All proposed approaches are illustrated using a real example.

研究动机与目标

• 开发基于记录数据的威布尔分布参数的精确且可靠的统计推断方法。
• 解决在形状参数β未知时对尺度参数α进行推断的挑战，这是寿命数据分析中的常见问题。
• 通过提出具有更小期望面积的更高效联合置信区域，改进现有置信区域。
• 为实际应用提供实用工具，如精确检验、置信区间和广义p值，适用于可靠性与生存分析领域。

提出的方法

• 基于记录统计量的分布特性，提出一种简单且精确的形状参数β的假设检验与置信区间。
• 当β未知时，将广义p值与广义置信区间框架应用于尺度参数α，利用不包含干扰参数的关键统计量。
• 推导出一个在α上具有随机单调性的广义检验变量，从而实现精确假设检验与p值计算。
• 基于记录值的联合分布，构建(α, β)的精确联合置信区域，确保正确的覆盖概率。
• 通过模拟研究比较所提方法与现有方法的性能，重点关注置信区域的覆盖概率与期望面积。
• 使用真实数据集验证方法，以说明其在可靠性与寿命数据分析中的实际适用性。

实验结果

研究问题

• RQ1 如何基于记录数据对威布尔分布的形状参数β进行精确且可靠的推断？
• RQ2 当β未知时，如何有效构建尺度参数α的广义置信区间与p值？
• RQ3 与现有方法相比，所提出的(α, β)联合置信区域在期望面积方面是否更高效？
• RQ4 在不同样本大小与参数值下，所提方法的覆盖概率与大小控制的实证性能如何？

主要发现

• 所提出的形状参数β的精确置信区间实现了正确的覆盖概率，在区间宽度与可靠性方面优于以往方法。
• 针对尺度参数α的广义置信区间与p值方法在保持名义覆盖水平与减小期望面积方面表现更优。
• 模拟结果表明，所提联合置信区域的期望面积始终小于Asgharzadeh和Abdi（2011b）的方法，且随着记录数增加，优势更加明显。
• 所提方法的覆盖概率在不同β值与样本大小下均保持接近名义的95%置信水平。
• 所有置信区域的期望面积随样本大小增加以及形状参数β值增大而减小。
• 真实数据示例证实了所提推断方法在实际寿命数据分析中的实用性和稳健性。